정답이 없는 목표 영역
원천 자료에는 분류 정답이 있지만 목표 자료에는 정답이 없는 조건을 다룬다. 목표 자료 자체를 복원하는 과제를 추가하면 분류 정답 없이도 목표 영역의 정보를 학습할 수 있다.
두 과제의 공동 학습
원천의 지도 분류와 목표의 비지도 재구성이 인코딩 표현을 공유한다. 분류에 필요한 판별력과 목표 이미지의 구조적 정보를 하나의 표현에 함께 반영한다.
역전파를 통한 학습
표준 신경망처럼 역전파로 최적화할 수 있도록 구성했다. 단순히 목표 이미지를 따로 복원하는 것이 아니라 공유 표현을 통해 분류 모델의 적응을 돕는 방식이다.
재구성에서 관찰한 변화
원 연구는 원천 이미지를 재구성했을 때 목표 데이터셋과 비슷한 외관이 나타나는 현상을 관찰했다. 여러 영역 간 객체 인식 실험과 목적 함수에 대한 형식적 분석도 제시했다.
관련 문서
Deep Domain Confusion / DAN 도메인 적응 / ADDA / CDAN / SHOT / Deep CORAL